为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该...为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。展开更多
针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)...针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。展开更多
文摘为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。
文摘针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。